黃仁勛的“五層蛋糕”：AI的底層戰爭，是能源戰爭（附全文）

“AI的終極戰爭，不在頂層的應用，也不在第四層的模型，而在最底層的能源。”

當全球的聚光燈都聚焦于大模型的“智力競賽”時，英偉達創始人黃仁勛卻用一篇題為《AI是一塊五層蛋糕》的署名文章，揭示了大模型游戲的真實規則。

文章中，這位執掌全球AI算力命脈的掌門人，罕見地沒有推銷一顆芯片，反而向全球資本市場與產業界，拋出了一套冷酷、宏大、且極具統治欲的“底層邏輯”——AI不是模型，不是算法，甚至不是軟件，而是繼電力、互聯網之后的下一代基礎設施。

因此，可以把它看作一份為未來十年數萬億美元AI算力投資“定調”的商業宣言，其核心意圖在于重新劃定AI的競爭邊界：

從模型與應用的“表層戰爭”，轉向覆蓋能源、芯片、基建、模型、應用的“全棧工業戰爭”。

1. 范式革命：從“預制軟件”到“實時生成智能”

黃仁勛的核心洞察是：計算的本質已發生根本逆轉。過去幾十年，軟件是“預制”的——人類寫代碼，計算機執行檢索。如今AI是“實時生成智能”，能理解、推理、并根據情境動態回應。這意味著整個計算棧必須被重構。由此，他提出了“五層蛋糕”產業模型：能源→芯片→基礎設施（AI工廠）→模型→應用。

2. 撕開“模型中心論”的幻覺

這套模型的冷酷之處在于，它系統性解構了“大模型決定一切”的行業敘事：

能源是天花板：沒有電，就沒有智能。能源是第一性原理，是物理極限，是智能生產規模的天花板。

模型只是“第四層”驅動力：無論多么強大的模型，都只是蛋糕的第四層。其使命是驅動應用產生價值，而價值會不可逆地向下拉動對芯片、基建、能源的需求。文中甚至直接點名開源模型DeepSeek-R1，其普及只會加劇對底層算力的“吸血式”需求。

基建狂潮剛開幕：老黃直言，目前全球投入的數千億美元只是“首付款”，數萬億美元基建仍在前方。這將是人類史上最大規模基建，涉及芯片廠、AI工廠、電網、冷卻系統，并將創造大量高薪崗位。

3. 一場關于“確定性”的頂層設計

剝開“五層蛋糕”的技術糖衣，黃仁勛傳遞的信息很明確：無論模型層如何廝殺，無論應用層誰主沉浮，只要AI工業體系在運轉，位于芯片與基礎設施層的供應商，就是最大、最確定的贏家。

AI，從此不再是一場代碼游戲。它是一場以實時智能為產品、以全球電網為基座、以萬億美元為籌碼的世紀基建。而英偉達，正在定義這場戰爭的游戲規則。

以下為黃仁勛署名文章全文：

人工智能是當今塑造世界最強大的力量之一。它不僅是一個巧妙的應用程序或單一的模型；它是如同電力和互聯網一樣必不可少的基礎設施。

AI運行在真實的硬件、真實的能源和真實的經濟學之上。它吸收原材料并將其大規模轉化為智能。每家公司都將使用它。每個國家都將建設它。

為了理解AI為何會以這種方式演進，從第一性原理出發進行推理，并看看計算領域發生了哪些根本性的改變，將會很有幫助。

從預編軟件到實時智能

在計算歷史的大部分時間里，軟件是預先錄制好的。人類描述算法。計算機執行算法。數據必須被精心結構化，存儲到表格中，并通過精確的查詢進行檢索。SQL變得不可或缺，因為它讓那個世界得以運轉。

AI打破了這種模式。

我們第一次擁有了一臺可以理解非結構化信息的計算機。它可以看懂圖像、閱讀文本、聆聽聲音并理解其含義。它可以對上下文和意圖進行推理。最重要的是，它能夠實時生成智能。

每一個響應都是全新創建的。每一個答案都取決于你提供的上下文。這不再是檢索存儲指令的軟件。這是按需推理和生成智能的軟件。

因為智能是實時生產出來的，其底層的整個計算架構棧都必須被重新發明。

作為基礎設施的AI

當你從工業的角度審視AI時，它可以被解析為一個五層的技術棧。

能源

最基礎的是能源。實時生成的智能需要實時產生的電力。每一個生成的token，都是電子移動、熱量管理以及能源轉化為計算的結果。在這一層之下，沒有任何抽象層。能源是AI基礎設施的第一性原理，也是限制系統能產生多少智能的約束條件。

芯片

能源之上是芯片。這些處理器旨在將能源大規模且高效地轉化為計算力。AI工作負載需要龐大的并行計算能力、高帶寬內存以及快速的互連技術。芯片層的進步決定了AI擴展的速度，以及智能變得可負擔的程度。

基礎設施

芯片之上是基礎設施。這包括土地、電力輸送、冷卻系統、建筑施工、網絡，以及將成千上萬個處理器編排成一臺機器的系統。這些系統就是AI工廠。它們的設計初衷不是為了存儲信息。它們是為了制造智能而設計的。

模型

基礎設施之上是模型。AI模型能夠理解多種類型的信息：語言、生物學、化學、物理學、金融學、醫學以及物理世界本身。語言模型僅僅是其中的一個類別。目前一些最具變革性的工作正發生在蛋白質AI、化學AI、物理模擬、機器人技術以及自主系統領域。

應用

最頂層是應用，這也是創造經濟價值的地方。比如藥物發現平臺、工業機器人、法律助手、自動駕駛汽車。一輛自動駕駛汽車就是具身于機器中的AI應用。一個類人機器人則是具身于軀體中的AI應用。同樣的底層技術棧。不同的結果。

這就是五層蛋糕：

能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用都會向上拉動其下方的每一層，一直延伸到維持其運轉的發電廠。

我們的建設才剛剛開始。我們目前僅僅投入了數千億美元。仍有價值數萬億美元的基礎設施等待建設。

在世界各地，我們看到芯片工廠、計算機組裝廠和AI工廠正在以史無前例的規模建設。這正在成為人類歷史上最大規模的基礎設施建設。

支持這一建設所需的勞動力是龐大的。AI工廠需要電工、水管工、管道工、鋼鐵工人、網絡技術員、安裝工和操作員。這些都是高技能、高薪水的工作，而且供不應求。你不需要擁有計算機科學的博士學位也能參與到這場變革中。

與此同時，AI正在推動知識經濟的生產力。以放射學為例。AI現在協助讀取掃描結果，但對放射科醫生的需求仍在持續增長。這并非悖論。

放射科醫生的目的是照顧患者。讀取掃描結果只是其中的一項任務。當AI承擔了更多常規工作時，放射科醫生就可以專注于判斷、溝通和護理。醫院變得更具生產力。他們服務更多的患者。他們雇傭更多的人。

生產力創造了能力。能力創造了增長。

過去一年發生了什么改變？

在過去的一年中，AI跨越了一個重要的門檻。模型變得足夠優秀，可以實現規模化應用。推理能力得到提升。幻覺減少。事實基礎（Grounding）顯著改善。基于AI構建的應用首次開始產生真正的經濟價值。

在藥物發現、物流、客戶服務、軟件開發和制造領域的應用已經展現出強大的產品市場契合度。這些應用強有力地拉動著其下方的每一層。

開源模型在這里扮演著至關重要的角色。世界上大多數模型都是免費的。研究人員、初創公司、企業乃至整個國家都依賴開源模型來參與先進的AI技術。當開源模型達到前沿水平時，它們不僅改變了軟件，還激活了整個技術棧的需求。

DeepSeek-R1就是這方面的一個強有力的例子。通過讓一個強大的推理模型被廣泛使用，它加速了應用層的采用，并增加了對其下方的訓練、基礎設施、芯片和能源的需求。

這意味著什么

當你將AI視為必不可少的基礎設施時，其深遠影響便清晰可見。

AI始于Transformer LLM。但它遠不止于此。這是一場工業變革，正在重塑能源的生產與消耗方式、工廠的建造模式、工作的組織形式以及經濟的增長路徑。

AI工廠正在被建設，因為智能現在是實時生成的。芯片正在被重新設計，因為效率決定了智能擴展的速度。能源變得至關重要，因為它設定了系統究竟能產生多少智能的上限。應用正在加速，因為它們底層的模型已經跨越了一個門檻，終于能夠在規模化上發揮作用。

每一層都在強化其他層。

這就是為什么這場基礎設施建設如此龐大。這就是為什么它同時觸及了這么多行業。這也是為什么它不會局限于單一國家或單一領域。每家公司都將使用AI。每個國家都將建設它。

我們仍處于早期階段。大部分基礎設施尚未建成。大部分勞動力尚未接受培訓。大部分機遇尚未被發掘。

但方向已然明確。

AI正在成為現代世界的基礎設施。而我們此刻的選擇——建設的速度、參與的廣度，以及如何負責任地部署它——將塑造這個時代未來的模樣。（本文首發鈦媒體App,作者｜硅谷Technews，編輯｜秦聰慧）